小波变换课件第1章Haar小波.docxVIP

第 1 章 Haar 小波分析 1.1 简介 (近距离 --- 小尺度） （高分辨率） (远距离 ---大尺度 ) （低分辨率） 1.2 平均与细节 设 { x1, x2 , x3, x4 } 是一个信号序列。定义它的平均和细节： a1,0 (x1 x2 ) / 2 找出了 x1 、 x2 和 a1,0 、 d1,0 的关系。 d1,0 ( x1 x2 ) / 2 这里， a1,0 是原信号前两个值 x1 、 x2 的平均。又叫低频成分，反映前两个值 x1 、 x2 的基本 特征或粗糙趋势； d1,0 反映了 x1 、 x2 的差别，即细节信息，又叫高频成分。 a1,1 (x3 x4 ) / 2 找出了 x3 、 x4 和 a1,1 、 d1,1 的关系。 d1,1 (x3 x4 ) / 2 同样， a1,1 是原信号后两个值 x3 、 x4 的平均， d1,1 反映了 x3 、 x4 的细节。 我们把 { a1,0 , a1,1, d1,0 , d1,1} 看作是对 { x1, x2 , x3 , x4} 实施了一次变换的结果。 变换还可以往下进行： a0,0 (a1,0 a1,1) / 2 = (( x1 x2 ) / 2 ( x3 x4 ) / 2)/ 2 ( x1 x2 x3 x4 ) / 4 a0,0 是对 4 个信号元素最终的平均，它是原信号最基本的信息； d0,0 (a1,0 a1,1 ) / 2 。 经过二次变换，我们得到了原信号的另一种表示： { a0,0 , d0,0 ,d1,0 ,d1,1} 该序列叫做原序列的小波变换， a0,0 , d0,0 ,d1,0 , d1,1 叫做小波系数。 还可以反过来表示： x1 a1 d1,0 这是用｛ a1 , d1,0 ｝来恢复原信号 x1 、 x2 ； x2 a1 d1,0 x3 a2 d1,1 用｛ a2 , d1,1 ｝来恢复原信号 x3 、 x4 。 x4 a2 d1,1 也就是反变换。 小波变换过程的塔式算法： 例如， { x1, x2 , x3 , x4} ＝｛ 3， 1，－ 2， 4｝ 最终的小波变换为 { a0,0 , d0,0 , d1,0 , d1,1} = { 3 , 1 ,1, 3} 2 2 1.3 尺度函数与小波函数 Haar 尺度函数 ( t ) 0 ,0 ( t ) (t 1) 0,1(t ) (t k ) 0, k (t) 1 0 t t k t 1 0 1 0 k 1 0 不压缩：不位移 位移一个单位 位移 k 个单位 2( 1/2 2 1 j ( t )) ( t ) 2 t k ( 2 1,0(t) ( ) j ,k (t) t) (t ) P-8 1,1 1 1/2j t t P-9 t 0 1/2 0 1/2 0 j j 1 k/2 (k 1)/2 压缩 1/ 21倍，不位移 压缩 1/ 21 倍，位移一个单位 压缩 1/ 2 j 倍，移位 K 个单位 一般 j ,k (t) (2 j t k) ， k 0,1,2,...,2 j 1 几个术语 1） 支撑（支集），（尺度）函数 j ,k (t) 不为零的区间，上例中为 [ kj , k j 1] 。 2 2 2） 支撑的宽度， Haar 尺度函数的宽度为 1/ 2 j 。 3） j 为分辨率， j 越大，尺度越小，分辨率越高。 4） 1/ 2 j = 2 j 为尺度。（分辨率越高，尺度越小） (2). Haar 小波函数 (t ) Haar 小波函数与尺度函数的关系 (t ) 0,0 (t ) 1,0 (t) 1,1(t) (t) 0,0 (t) (t 1) 0,1(t) (t k) 0,k (t) (2k 2)/2 k 1 0 1 t 3/2 2 t t 1/2 0 1 0 2k/2 k (2k 1)/2 k 1/2 不平移、不压缩； 平移一个单位 ； 平移 K 个 单位。 2 1,k()t ( 2t ) 1 ,0 ( t ) (2(t 1/2)) (2t 1) 1,0()t (2(t 2k/2) ) (2t k) 1/4 t 3/4 t (2k 2)/2 2 t 0 1/ 2 0 1/2 1 0 2k /2 2 1 (2k 1)/2 2 不平移，压缩 1/ 21倍； 先平移一个单位， 再压缩 1/ 21倍， 平移个 K 单位，再压缩 1/ 21 倍。 H aar 小波函数的一般形式： j ,k (t ) = (2 j t k) ， k 0,1,...,2 j 1 位移 k 个单位，压缩 2j 倍。 (3). 分段常数函数 也可将序列 { x1 , x2, x3 , x4